提升 YOLO26 训练：使用 Comet 简化你的日志记录流程
记录参数、指标、图像预测和模型检查点等关键训练详情在机器学习中至关重要——它能保持项目的透明度、使进度可衡量，并确保结果可复现。
Watch: How to Use Comet for Ultralytics YOLO Model Training Logs and Metrics 🚀
Ultralytics YOLO26 与 Comet（原 Comet ML）无缝集成，可高效捕获并优化 YOLO26 目标检测模型训练过程的方方面面。在本指南中，我们将介绍安装流程、Comet 设置、实时洞察、自定义日志记录和离线使用，确保你的 YOLO26 训练过程得到详尽记录，并为获得卓越结果而进行微调。
Comet
Comet 是一个用于跟踪、比较、解释和优化机器学习模型及实验的平台。它允许你在模型训练期间记录指标、参数、媒体等内容，并通过美观的 Web 界面监控你的实验。Comet 有助于数据科学家更快速地进行迭代，提高透明度和可复现性，并协助开发生产模型。
利用 YOLO26 和 Comet 的强大功能
通过将 Ultralytics YOLO26 与 Comet 结合，你可以获得一系列好处。其中包括简化的实验管理、用于快速调整的实时洞察、灵活且量身定制的日志记录选项，以及在网络受限时离线记录实验的能力。这种集成使你能够做出数据驱动的决策，分析性能指标，并取得出色的结果。
安装
要安装所需的软件包，请运行：
# Install the required packages for YOLO26 and Comet
pip install ultralytics comet_ml torch torchvision配置 Comet
安装所需的包后，你需要注册、获取 Comet API Key 并进行配置。
# Set your Comet API Key
export COMET_API_KEY=YOUR_API_KEY然后，你可以初始化你的 Comet 项目。Comet 将自动检测 API key 并继续进行设置。
import comet_ml
comet_ml.login(project_name="comet-example-yolo26-coco128")如果你使用的是 Google Colab 笔记本，上述代码将提示你输入 API key 进行初始化。
使用方法
在深入了解使用说明之前，请务必查看 Ultralytics 提供的 YOLO26 模型系列。这将帮助你选择最适合项目需求的一款模型。
from ultralytics import YOLO
# Load a model
model = YOLO("yolo26n.pt")
# Train the model
results = model.train(
data="coco8.yaml",
project="comet-example-yolo26-coco128",
batch=32,
save_period=1,
save_json=True,
epochs=3,
)运行训练代码后，Comet 将在你的 Comet 工作空间中创建一个实验来自动跟踪该运行。随后你将获得一个链接，用以查看 YOLO26 模型训练过程的详细日志。
Comet 在无需额外配置的情况下自动记录以下数据：诸如 mAP 和损失的指标、超参数、模型检查点、交互式混淆矩阵以及图像边界框预测。
通过 Comet 可视化了解你的模型性能
让我们深入了解 YOLO26 模型开始训练后你在 Comet 仪表板上会看到的内容。仪表板是所有操作发生的地方，通过视觉效果和统计数据展示一系列自动记录的信息。这里有一个快速导览：
实验面板
Comet 仪表板的实验面板部分组织并展示了不同的运行及其指标，例如分割掩码损失、类损失、精度和平均精度均值。
指标
在指标部分，你还可以选择以表格格式查看指标，正如在此处所示的专用窗格中展示的那样。
交互式混淆矩阵
位于“混淆矩阵”选项卡中的混淆矩阵提供了一种评估模型分类准确率的交互方式。它详细说明了正确和错误的预测，让你了解模型的优势和弱点。
系统指标
Comet 会记录系统指标，以帮助识别训练过程中的任何瓶颈。它包括 GPU 利用率、GPU 内存使用量、CPU 利用率和 RAM 使用量等指标。这些对于在模型训练期间监控资源使用效率至关重要。
自定义 Comet 日志记录
Comet 提供通过设置环境变量来自定义其日志记录行为的灵活性。这些配置使你能够根据具体需求和偏好调整 Comet。以下是一些有用的自定义选项：
记录图像预测
你可以控制 Comet 在实验期间记录的图像预测数量。默认情况下，Comet 会记录验证集中的 100 张图像预测。不过，你可以更改此数字以更好地满足你的需求。例如，要记录 200 张图像预测，请使用以下代码：
import os
os.environ["COMET_MAX_IMAGE_PREDICTIONS"] = "200"批次日志记录间隔
Comet 允许你指定记录图像预测批次的频率。COMET_EVAL_BATCH_LOGGING_INTERVAL 环境变量控制此频率。默认设置为 1，即记录每个验证批次的预测。你可以调整此值以在不同的间隔记录预测。例如，将其设置为 4 将记录每四个批次一次的预测。
import os
os.environ["COMET_EVAL_BATCH_LOGGING_INTERVAL"] = "4"禁用混淆矩阵日志记录
在某些情况下，你可能不希望在每个周期后记录验证集的混淆矩阵。你可以通过将 COMET_EVAL_LOG_CONFUSION_MATRIX 环境变量设置为 "false" 来禁用此功能。混淆矩阵将仅在训练完成后记录一次。
import os
os.environ["COMET_EVAL_LOG_CONFUSION_MATRIX"] = "false"离线日志记录
如果你发现自己处于网络连接受限的情况，Comet 提供了离线日志记录选项。你可以将 COMET_MODE 环境变量设置为 "offline" 以启用此功能。你的实验数据将保存在本地目录中，稍后在网络可用时，你可以将其上传到 Comet。
import os
os.environ["COMET_MODE"] = "offline"总结
本指南已带你完成了将 Comet 与 Ultralytics 的 YOLO26 集成的过程。从安装到自定义，你已经学会了如何简化实验管理、获得实时洞察，并根据项目需求调整日志记录。
探索 Comet 的官方 YOLOv8 集成文档，该文档同样适用于 YOLO26 项目。
此外，如果你想深入了解 YOLO26 的实际应用，特别是针对图像分割任务，这篇关于使用 Comet 微调 YOLO26 的详细指南提供了宝贵的见解和分步说明，以提升你的模型性能。
另外，要探索与 Ultralytics 的其他精彩集成，请查看 集成指南页面，其中提供了丰富的资源和信息。
常见问题 (FAQ)
如何将 Comet 与 Ultralytics YOLO26 集成以进行训练？
要将 Comet 与 Ultralytics YOLO26 集成，请遵循以下步骤：
-
安装所需的包：
pip install ultralytics comet_ml torch torchvision -
设置你的 Comet API Key：
export COMET_API_KEY=YOUR_API_KEY -
在你的 Python 代码中初始化 Comet 项目：
import comet_ml comet_ml.login(project_name="comet-example-yolo26-coco128") -
训练你的 YOLO26 模型并记录指标：
from ultralytics import YOLO model = YOLO("yolo26n.pt") results = model.train( data="coco8.yaml", project="comet-example-yolo26-coco128", batch=32, save_period=1, save_json=True, epochs=3, )
有关更详细的说明，请参考 Comet 配置部分。
将 Comet 与 YOLO26 一起使用有什么好处？
通过将 Ultralytics YOLO26 与 Comet 集成，你可以：
- 监控实时洞察：即时获得训练结果反馈，从而进行快速调整。
- 记录详尽指标：自动捕获 mAP、损失、超参数和模型检查点等基本指标。
- 离线跟踪实验：在无法访问网络时在本地记录你的训练运行。
- 比较不同训练运行：使用交互式 Comet 仪表板来分析和比较多个实验。
通过利用这些功能，你可以优化机器学习工作流程，以获得更好的性能和可复现性。欲了解更多信息，请访问 Comet 集成指南。
如何在 YOLO26 训练期间自定义 Comet 的日志记录行为？
Comet 允许使用环境变量对其日志记录行为进行深度自定义：
-
更改记录的图像预测数量：
import os os.environ["COMET_MAX_IMAGE_PREDICTIONS"] = "200" -
调整批次日志记录间隔：
import os os.environ["COMET_EVAL_BATCH_LOGGING_INTERVAL"] = "4" -
禁用混淆矩阵日志记录：
import os os.environ["COMET_EVAL_LOG_CONFUSION_MATRIX"] = "false"
请参阅 自定义 Comet 日志记录 部分以获取更多自定义选项。
如何在 Comet 上查看我 YOLO26 训练的详细指标和可视化效果？
一旦你的 YOLO26 模型开始训练，你就可以在 Comet 仪表板上访问各种指标和可视化效果。主要功能包括：
- 实验面板：查看不同运行及其指标，包括分割掩码损失、类损失和平均精度均值。
- 指标：以表格格式检查指标以进行详细分析。
- 交互式混淆矩阵：通过交互式混淆矩阵评估分类准确率。
- 系统指标：监控 GPU 和 CPU 利用率、内存使用量以及其他系统指标。
有关这些功能的详细概述，请访问 通过 Comet 可视化了解你的模型性能 部分。
在训练 YOLO26 模型时，我可以使用 Comet 进行离线日志记录吗？
是的，你可以通过将 COMET_MODE 环境变量设置为 "offline" 来启用 Comet 中的离线日志记录：
import os
os.environ["COMET_MODE"] = "offline"此功能允许你在本地记录实验数据，稍后在网络可用时，你可以将其上传到 Comet。这在网络受限的环境中工作时特别有用。有关更多详细信息，请参考 离线日志记录 部分。